基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性,属于NP(non-deterministic polynomial)难问题。针对常见的顺岸式集装箱码头堆场,以最小化总翻箱次数为优化目标,考虑翻箱对装船连续性及效率的影响,基于马尔科夫决策过程构建装船时堆场翻箱模型,设计逆向强化学习算法。为验证算法的有效性,以随机决策为基准,将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明,贝位堆存状态不佳时,常见的规则决策不一定优于随机决策;逆向强化学习算法可有效挖掘隐含专家经验,收敛至最小翻箱次数的概率更高,且不同堆存状态下均能更好地限制单次发箱的翻箱次数,可实现装船时堆场翻箱智能决策。     

关于常曲率曲面上测地线密度的注记

首先将常曲率曲面上一些基本的三角公式改写成统一的形式.然后定义了常曲率曲面上测地线集的密度,通过常曲率曲面上的三角公式以及参数变换证明了该密度与坐标选取无关.最后给出了常曲率曲面上测地线集密度的几种形式.     

基于等几何-边界元法的热弹性力学问题分析

温度变化引起的固体热应力问题一直是影响固体材料寿命的重要因素之一.边界元方法利用边界积分代替域积分,对复杂问题的降维处理大大降低了计算复杂度.利用非均匀有理B样条曲线(NURBS)构建计算模型边界,采用等几何思想进行单元划分,从而克服了单元离散造成的几何误差.由于热应力的存在,导致构造的等几何边界积分方程里含有域积分项...     

基于局部等距嵌入的各向异性曲面网格生成（英文）

提出了一种新颖的各向异性曲面网格生成方法.不同于之前依赖于全局共形嵌入或高维等距嵌入的方法,该算法以局部等距嵌入的思想为基础.为了实现等距嵌入的目标,我们将原始曲面分割成圆锥曲面集,对曲面片逐一进行处理.首先,利用双射参数化将圆锥曲面嵌入到平面,然后,在参数域进行各向异性网格生成,最后,将圆锥曲面映回原始曲面.为了处理不同圆锥曲面之间的缝合问题,我们使当前圆锥曲面包含之前未处理的边界,使得边界附近的三角面片可以在当前迭代中处理.大量实验验证了本文算法的鲁棒性.相较于之前的各向异性网格生成算法,本文的算法能够更加鲁棒地处理高亏格网格,且能够得到与输入网格逼近误差更小的结果.     

基于三次样条插值及BP神经网络的光伏发电出力数据修复

为了对光伏电站的历史数据进行修复,文中建立了基于三次样条插值和BP神经网络的光伏电站出力数据修复模型。首先对光伏电站原始数据进行清洗和处理;其次,寻找一天中只有一个数据空白点的情况,采用光滑样条插值法对其进行插补,然后寻找一天中有多个数据空白点的情况,采用相似日绝对均值法对其进行插补;再次,根据出力数据的特征要素及BP神经网络模型对待插补数据进行预测插补;最后,输出修复后的光伏电站出力数据。以青海海西地区光伏电站为例进行仿真验证,证明了模型的可行性及正确性。对光伏电站的历史数据进行修复,保证了数据的完整性和真实性,为研究光伏发电相关问题奠定了基础。     

关于二元三次样条函数空间的维数

研究平面上单连通闭区域Ω的任意三角剖分△上的二元样条函数空间S_3~1(△),依据一定规则对三角剖分△中个数不超过内网点个数的三角形胞腔进行HCT加密,形成新三角剖分△~*,并利用B网方法通过递推方式构造样条函数空间S_3~1(△~*)一个最小决定集,显示其维数S_3~1(△~*)具有非奇异性且等于Schumaker的维数下界.     

插值Loop曲面细分算法在堆焊自由曲面重建中的应用

针对堆焊自由曲面焊缝形貌不规则致使焊缝识别精度低、自动焊接困难的问题,提出了一种利用插值Loop曲面细分算法对旋转电弧传感器采集的堆焊焊缝三维形貌数据进行曲面重建的方法。首先,采用格拉布斯(Grubbs)检验算法对异常采样点进行滤波处理,得到质量较高的形貌数据;然后,采用局部最优Delaunay算法对形貌数据进行初始三角网格剖分;最后,利用插值Loop曲面细分算法对初始三角网格进行曲面细分,实现焊缝三维形貌重建。结果表明,此方法的曲面重建效果良好,降低了初始三角网格剖分的误差,实用性强。